我的数据是具有不同长度的连续3D数组，类似于以下内容（这只是一个示例数据，不是我的真实的数据）：

data1 = [
          [
           [-1,2,3],
           [1,0,-3],
           [1,-2,0]
          ],
          [
           [1,-2,3],
           [1,0,-3],
           [-1,2,0]
          ]
        ]

data2 = [
          [
           [-1,2,3],
           [1,0,-3],
           [1,-2,0]
          ],
          [
           [1,-2,3],
           [1,0,-3],
           [1,-2,0]
          ],
          [
           [-1,2,3],
           [-1,0,3],
           [1,2,0]
          ]
        ]

因此，我使用填充来使数据的长度均匀，方法是将所有数组填充到最长数组的长度，即（3，3）

data1 = [
          [
           [-1,2,3],
           [1,0,-3],
           [1,-2,0]
          ],
          [
           [1,-2,3],
           [1,0,-3],
           [-1,2,0]
          ],
          [
           [-99,-99,-99],
           [-99,-99,-99],
           [-99,-99,-99]
          ]
        ]

data2 = [
          [
           [-1,2,3],
           [1,0,-3],
           [1,-2,0]
          ],
          [
           [1,-2,3],
           [1,0,-3],
           [1,-2,0]
          ],
          [
           [-1,2,3],
           [-1,0,3],
           [1,2,0]
          ]
        ]

我的问题是，Masking()层中正确的mask_value值是多少？是整个[-99,-99,-99]还是仅仅-99？或者甚至可能改变掩码数？
这是建立的模型：

model = Sequential()
model.add(Masking(mask_value=n, input_shape=(None,3)))
model.add(LSTM(64, return_sequences=True, activation='tanh'))
model.add(Dropout(0.25))
model.add(LSTM(128, return_sequences=True, activation='tanh'))
model.add(Dropout(0.2))
model.add(LSTM(64, return_sequences=False, activation='tanh'))
model.add(Dense(64, activation='tanh'))
model.add(Dense(32, activation='tanh'))
model.add(Dense(label_total, activation='softmax'))
model.compile(optimizer='Adam', loss='categorical_crossentropy', metrics=['accuracy'])

编辑：我尝试使用两个值，-99回波损耗与NaN值和[-99,-99,-99]在训练中工作正常，但在测试中真的很糟糕。我猜这是因为模型没有避免屏蔽值。关于如何屏蔽这种数据有什么建议吗？